Matcha-TTS

用流匹配让语音合成又快又自然，一步生成不卡顿

Matcha-TTS 是一个基于条件流匹配（Conditional Flow Matching）的快速文本转语音（TTS）架构，发表于 ICASSP 2024。它旨在解决传统自回归 TTS 合成速度慢、音质不稳定的问题。核心能力包括：采用非自回归的流匹配生成模型，通过概率路径将噪声转换为语音，实现一步或少量步数的高质量合成；支持多说话人训练，提供预训练模型；代码基于 PyTorch，易于扩展和集成。相比扩散模型，流匹配训练更稳定、推理更快，在保持自然度的同时显著降低延迟，适合实时交互场景。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1359

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队shivammehta25

所属国家

官网地址https://shivammehta25.github.io/Matcha-TTS

GitHubhttps://github.com/shivammehta25/Matcha-TTS

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型deep-learning,diffusion-model,diffusion-models,flow-matching,machine-learning,non-autoregressive,probabilistic,probabilistic-machine-learning,text-to-speech,tts,tts-api,tts-engines

GitHub 星标★ 1359

30天Star增速

HF 下载量

上线时间2023-09-05 00:00:00

最近更新2026-09-23 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数7

使用教程

难度：入门约 10 分钟部署方式：库/依赖 5 步

环境要求

Python 3.10（README 建议使用该版本）
pip（用于安装 matcha-tts）
conda（可选，README 建议用它创建隔离环境）
可访问网络的运行环境（预训练模型会自动下载）

安装与启动步骤

1创建 conda 环境

README 建议（非必须）先建一个独立环境，指定 Python 3.10，避免与系统环境冲突。
```
conda create -n matcha-tts python=3.10 -y
```
2激活环境

创建完成后激活该环境，后续安装和使用都在此环境中进行。
```
conda activate matcha-tts
```
3pip 安装 Matcha-TTS

最简安装方式，直接从 PyPI 安装 matcha-tts 包，适合只想调用推理功能。
```
pip install matcha-tts
```
4从源码安装

想改代码或本地开发时用这种方式：先装 GitHub 仓库，再进入目录做可编辑安装。
```
pip install git+https://github.com/shivammehta25/Matcha-TTS.git
cd Matcha-TTS
pip install -e .
```
5运行 CLI/gradio

README 说明可用命令行 CLI、gradio 应用或 Jupyter notebook 三种方式使用，预训练模型会自动下载；具体启动命令请查看仓库最新 README。

如何确认成功

README 未给出明确验证命令；安装过程无报错即基本完成，随后可通过 CLI、gradio 应用或 Jupyter notebook 使用。

常见问题

Q：必须用 conda 创建环境吗？

A：不是必须的。README 写明这一步是建议而非必需，你也可以在已有 Python 3.10 环境中直接用 pip 安装。

Q：pip 安装和从源码安装该选哪个？

A：只想快速使用就选 pip install matcha-tts；需要修改代码、做二次开发则从 GitHub 源码安装并执行 pip install -e .。

Q：预训练模型需要手动下载吗？

A：不需要。README 说明预训练模型会随 CLI 或 gradio 界面自动下载，前提是运行环境能访问网络。

Q：不想本地安装怎么办？

A：README 提供了 HuggingFace Space 在线体验链接，可以直接在浏览器中试用 Matcha-TTS。

注意事项

conda 环境为可选项，README 标注为 suggested but optional。
README 节选中第 3 步的运行命令被截断，实际 CLI/gradio 启动命令请以仓库最新 README 为准，不要凭猜测执行。
预训练模型通过 Google Drive 链接自动下载，网络受限时可能失败。
官方提供了 HuggingFace 在线演示，可用于快速评估效果后再决定是否本地部署。

核心亮点

推理速度快，支持一步合成，远超传统自回归模型
基于流匹配，训练稳定且音质接近扩散模型
提供预训练模型，多说话人支持，开箱即用

不足之处

对长文本的韵律控制可能不如自回归模型精细
文档/社区待观察

适用场景

实时语音助手和交互式对话系统
内容创作中的语音生成（如播客、视频配音）
低延迟的嵌入式或边缘设备TTS部署

替代项目

VITS、FastSpeech 2、Coqui TTS

项目介绍

Matcha-TTS 是音频音乐领域的开源项目，由 shivammehta25 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,359）位列前 30%，在音频音乐分类的 738 个项目里位列前 14%。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：实时语音助手和交互式对话系统。同类可对比的替代方案包括 VITS、FastSpeech 2、Coqui TTS。

上一篇：Chatterbox-TTS-Server

下一篇：merlin